目标检测和统计方法、系统、设备及存储介质与流程

1.本发明涉及数据处理技术领域，尤其涉及一种目标检测和统计方法、系统、设备及存储介质。


背景技术：

2.随着现代科技的快速发展以及图像视频获取技术的逐步发展与完善，智慧安防视频监控逐渐在人的生活及商业场所得到了很好的运用。疫情当下，依然会出现人群聚集、人流量高等情况，严重影响了城市疫情防控、城市公共卫生、公共安全管理难度，严重威胁到了市民的生命安全财产安全，在某些关键地方甚至会造成不可挽回的损失。
3.现阶段，判断物体数量是否超过阈值(上述人群聚集、客流统计)主要有三种方法。第一种是靠人工定期巡检重点区域摄像头解决人群聚集、人流量过高造成的拥挤问题。但是此种方法不仅费时费力，需要支付高额的人工成本，并且人工只能定期巡检，容易出现遗漏或疏忽。
4.第二种方法则通过物联网设备(被动红外、热成像等)，通过信号变化检测、区域热度图实现客流统计的能力。但是此种方法易受光照和温度的影响，容易误检；同时物联网设备检测距离近无法大范围检测及无法直接显示人员活动的细节。
5.第三种方法则是通过基于深度学习的目标检测算法。此方法的缺点也很明显，当人员遮挡、重叠导致目标无法检测出现漏检问题，出现玻璃幕墙、河面等反射镜面会造成目标重复检测出现误检问题，导致最终误报率高或漏检率高。
6.例如，现有专利cn111832489a中提出了一种基于目标检测的地铁人群密度估计方法及系统，采用的是目标检测算法yolov3对人头进行检测，对小目标或者人头遮挡身体出现的情况无法检测。此外，该方案针对遮挡物问题采用的roi区域即指定区域、反射镜面采用的是掩膜直接对图像全黑填充，即无法对整个画面进行检测，直接导致人头的漏检，客流检测值较真实值偏小的情况。


技术实现要素：

7.针对现有技术中的问题，本发明的目的在于提供一种目标检测和统计方法、系统、设备及存储介质，通过对目标和反射镜面的检测，并基于深度确定目标是否位于反射镜面内，可以有效排除反射镜面内的重复目标，提高目标检测和统计的准确度。
8.本发明实施例提供一种目标检测和统计方法，包括如下步骤：
9.对待处理图像进行目标检测，将检测到的目标作为第一候选目标，并确定所述第一候选目标在待处理图像中的位置；
10.对所述待处理图像进行反射镜面检测，确定所述待处理图像中的反射镜面的位置；
11.根据所述待处理图像中的第一候选目标的位置和所述反射镜面的位置，确定所述第一候选目标的位置是否在所述反射镜面的位置范围内，将在所述反射镜面的位置范围内
的第一候选目标作为待确定目标；
12.根据所述待确定目标的深度估计值和所述反射镜面的深度估计值，判断所述待确定目标是否为需筛除目标；
13.将所述第一候选目标中的需筛除目标去除后，剩余的第一候选目标作为第二候选目标；
14.根据所述第二候选目标统计所述待处理图像中的目标数量。
15.在一些实施例中，所述对待处理图像进行目标检测，包括如下步骤：
16.采用基于语义分割的bisenet自训练网络，对所述待处理图像进行目标检测。
17.在一些实施例中，对所述待处理图像进行反射镜面检测，包括如下步骤：
18.采用基于深度学习的gdnet网络，对所述待处理图像进行反射镜面检测。
19.在一些实施例中，对所述待处理图像进行反射镜面检测之后，还包括如下步骤：
20.判断所述待处理图像中是否检测到反射镜面；
21.如果是，则确定所述待处理图像中的反射镜面的位置；
22.如果否，则根据所述第一候选目标统计所述待处理图像中的目标数量。
23.在一些实施例中，根据所述待处理图像中的第一候选目标的位置和所述反射镜面的位置，确定所述第一候选目标的位置是否在所述反射镜面的位置范围内，包括如下步骤：
24.基于所述待处理图像中的第一候选目标的位置和所述反射镜面的位置，采用射线法或iou交并比计算方法，判断所述第一候选目标的位置是否在所述反射镜面的位置范围内。
25.在一些实施例中，根据所述待处理图像中的第一候选目标的位置和所述反射镜面的位置，确定所述第一候选目标的位置是否在所述反射镜面的位置范围内之后，还包括如下步骤：
26.如果存在位于所述反射镜面的位置范围内的第一候选目标，将在所述反射镜面的位置范围内的第一候选目标作为待确定目标；
27.如果不存在位于所述反射镜面的位置范围内的第一候选目标，根据所述第一候选目标统计所述待处理图像中的目标数量。
28.在一些实施例中，根据所述待确定目标的深度估计值和所述反射镜面的深度估计值，判断所述待确定目标是否为需筛除目标，包括如下步骤：
29.获取所述待确定目标的深度估计值；
30.获取所述反射镜面的深度估计值；
31.依次遍历所述待确定目标，比较各个所述待确定目标的深度估计值与所述反射镜面的深度估计值；
32.如果一待确定目标的深度估计值大于或等于所述反射镜面的深度估计值，则确定该第一候选目标为需筛除目标；
33.如果一待确定目标的深度估计值小于所述反射镜面的深度估计值，则确定该第一候选目标为无需筛除目标。
34.在一些实施例中，采用自监督深度预测网络获取所述待确定目标的深度估计值和所述反射镜面的深度估计值。
35.在一些实施例中，采用monodepth2网络获取所述待确定目标的深度估计值和所述
反射镜面的深度估计值。
36.本发明实施例还提供一种目标检测和统计系统，应用于上述的目标检测和统计方法，所述系统包括：
37.目标检测模块，用于对待处理图像进行目标检测，将检测到的目标作为第一候选目标，并确定所述第一候选目标在待处理图像中的位置；
38.镜面检测模块，用于对所述待处理图像进行反射镜面检测，确定所述待处理图像中的反射镜面的位置；
39.位置判定模块，用于根据所述待处理图像中的第一候选目标的位置和所述反射镜面的位置，确定所述第一候选目标的位置是否在所述反射镜面的位置范围内，将在所述反射镜面的位置范围内的第一候选目标作为待确定目标；
40.目标筛选模块，用于根据所述待确定目标的深度估计值和所述反射镜面的深度估计值，判断所述待确定目标是否为需筛除目标，并将所述第一候选目标中的需筛除目标去除后，剩余的第一候选目标作为第二候选目标；
41.目标统计模块，用于根据所述第二候选目标统计所述待处理图像中的目标数量。
42.本发明实施例还提供一种目标检测和统计设备，包括：
43.处理器；
44.存储器，其中存储有所述处理器的可执行指令；
45.其中，所述处理器配置为经由执行所述可执行指令来执行所述的目标检测和统计方法的步骤。
46.本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被处理器执行时实现所述的目标检测和统计方法的步骤。
47.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
48.本发明的目标检测和统计方法、系统、设备及存储介质具有如下有益效果：
49.本发明首先对待处理图像中的目标和反射镜面进行检测，确定目标的位置和反射镜面的位置，然根据位置判断检测到的目标是否位于反射镜面的位置范围内，然后再进一步判断目标是否属于需筛除目标，然后再将需筛除目标去除的情况下，统计得到准确度较高的目标数量，一方面不会出现漏检，另一方面也解决了因反射镜面带来的重复计数问题，提高了检测的准确度，大大地降低了误报率。该目标检测和统计方法可以应用于客流分析中的人员目标检测和统计，并且可以应用于后续对于客流人员数量的及时响应控制的基础。此外，该目标检测和统计方法也可以应用于其他场景中的人员目标检测和统计，例如某一个公共场所或者一个厂房中的人员目标检测和统计。进一步地，该目标检测和统计方法也可以应用于其他物体的检测和统计，例如对于障碍物的检测和统计、车辆的检测和统计等等。
附图说明
50.通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。
51.图1是本发明一实施例的目标检测和统计方法的流程图；
52.图2是本发明一实施例的检测反射镜面的流程图；
53.图3是本发明一实施例的判断第一候选目标是否在反射镜面的位置范围内的流程图；
54.图4是本发明一实施例的判断所述待确定目标是否为需筛除目标的流程图；
55.图5是本发明一实施例的目标检测和统计系统的结构示意图；
56.图6是本发明一实施例的目标检测和统计设备的结构示意图；
57.图7是本发明一实施例的计算机可读存储介质的结构示意图。
具体实施方式
58.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
59.此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
60.附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此，实际执行的顺序有可能根据实际情况改变。
61.如图1所示，本发明实施例提供一种目标检测和统计方法，包括如下步骤：
62.s100：对待处理图像进行目标检测，将检测到的目标作为第一候选目标，并确定所述第一候选目标在待处理图像中的位置，所述第一候选目标在待处理图像中的位置是坐标位置，以掩码表示；
63.在该实施例中，此处待处理图像例如可以是摄像头实时采集的图像，所述目标为人员目标，例如，在将该方法应用于重点区域的客流统计时，该待处理图像为所述重点区域的摄像头实时采集的图像，该方法用于对人员进行统计；
64.在其他实施方式中，所述待处理图像也可以似乎存储于一存储设备的图像，所述目标也可以为其他类型的目标，例如某种特定类型的物品等；
65.s200：对所述待处理图像进行反射镜面检测，确定所述待处理图像中的反射镜面的位置，此处所述待处理图像中的反射镜面的位置是所述反射镜面在所述待处理图像中的坐标位置，以掩码表示；
66.s300：根据所述待处理图像中的第一候选目标的位置和所述反射镜面的位置，确定所述第一候选目标的位置是否在所述反射镜面的位置范围内，将在所述反射镜面的位置范围内的第一候选目标作为待确定目标；
67.s400：根据所述待确定目标的深度估计值和所述反射镜面的深度估计值，判断所述待确定目标是否为需筛除目标；
68.s500：将所述第一候选目标中的需筛除目标去除后，剩余的第一候选目标作为第
二候选目标；
69.s600：根据所述第二候选目标统计所述待处理图像中的目标数量，例如对所述第二候选目标的数量进行统计，作为所述待处理图像中的目标图像。在存在多个摄像头检测某一个区域时，存在多张可能存在重复目标的待处理图像，还可以对多个摄像头检测到的区域进行去重后再进行统计。
70.本发明的目标检测和统计方法首先通过所述步骤s100和s200对待处理图像中的目标和反射镜面进行检测，确定目标的位置和反射镜面的位置，然后通过步骤s300根据位置判断检测到的目标是否位于反射镜面的位置范围内，然后再进一步通过步骤s400判断目标是否属于需筛除目标，然后再通过步骤s500将需筛除目标去除的情况下，通过步骤s600统计得到准确度较高的目标数量，一方面不会出现漏检，另一方面也解决了因反射镜面带来的重复计数问题，提高了检测的准确度，大大地降低了误报率。
71.在通过步骤s600统计得到了检测的目标数量之后，可以基于该目标数量根据实际需要进行后续处理。例如在应用于客流分析场景时，判断检测到的人员目标的数量是否超过预设阈值，如果未超过预设阈值，则说明目前客流人员数量未达到预设阈值，无需告警，如果超过预设阈值，则说明目前客流人员数量过多，需要进行告警或者通知工作人员进行限流。
72.在该实施例中，所述步骤s100：对待处理图像进行目标检测，包括如下步骤：
73.采用基于语义分割的bisenet自训练网络，对所述待处理图像进行目标检测。该bisenet自训练网络可以基于检测目标的类型不同预先训练。例如，用于人员检测时，采用人员图像样本来训练该bisenet自训练网络，用于物体检测时，采用物体图像样本来训练该bisenet自训练网络。本发明中采用深度学习图像语义分割的bisenet自训练网络，比较传统图像特征分割方法和目标检测方法，检测颗粒度更细，可以解决人员遮挡、重叠导致的漏检问题，可以自适应各种天气变化对摄像头的画质。
74.在该实施例中，所述步骤s200中，对所述待处理图像进行反射镜面检测，包括如下步骤：
75.采用基于深度学习的gdnet网络，对所述待处理图像进行反射镜面检测。反射镜面指的是玻璃幕墙、河面等有反射作用的区域。该gdnet网络是基于语义分割的图像镜面检测网络，基于图像中的特征检测出玻璃幕墙、河面等反射镜面，由此可以对图像中出现的玻璃幕墙、河面等反射镜面进行推理。
76.如图2所示，在该实施例中，所述步骤s200中，s210：对所述待处理图像进行反射镜面检测之后，还包括如下步骤：
77.s220：判断所述待处理图像中是否检测到反射镜面；
78.如果是，则s230：确定所述待处理图像中的反射镜面的位置，然后继续步骤s300～s600，根据去除反射镜面中的目标后的第二候选目标来统计待处理图像中的目标数量；
79.如果否，则s240：根据所述第一候选目标统计所述待处理图像中的目标数量，即不再执行步骤s300～s600。
80.在该实施例中，所述步骤s300：根据所述待处理图像中的第一候选目标的位置和所述反射镜面的位置，确定所述第一候选目标的位置是否在所述反射镜面的位置范围内，包括如下步骤：
81.基于所述待处理图像中的第一候选目标的位置和所述反射镜面的位置，采用射线法或iou交并比计算方法，判断所述第一候选目标的位置是否在所述反射镜面的位置范围内。射线法的方法是：将所述反射镜面的位置范围看作一个多边形，第一候选目标看作一个点，判断点是否在多边形中，以判断点开始，向右(或向左)的水平方向作一射线，计算该射线与多边形每条边的交点个数，如果交点个数为奇数,则点位于多边形内，如果交点个数为偶数，则点位于多边形外。iou(intersection over union)交并比是一种测量在特定数据集中检测相应物体准确度的一个标准。
82.如图3所示，在该实施例中，所述步骤s300中，s310：根据所述待处理图像中的第一候选目标的位置和所述反射镜面的位置，确定所述第一候选目标的位置是否在所述反射镜面的位置范围内之后，还包括如下步骤：
83.s320：判断是否存在位于所述反射镜面的位置范围内的第一候选目标；
84.如果存在位于所述反射镜面的位置范围内的第一候选目标，s330：将在所述反射镜面的位置范围内的第一候选目标作为待确定目标，然后继续步骤s400～s600；
85.如果不存在位于所述反射镜面的位置范围内的第一候选目标，s340：根据所述第一候选目标统计所述待处理图像中的目标数量，即不再执行步骤s400～s600。
86.如图4所示，在该实施例中，所述步骤s400：根据所述待确定目标的深度估计值和所述反射镜面的深度估计值，判断所述待确定目标是否为需筛除目标，包括如下步骤：
87.s410：获取所述待确定目标的深度估计值；
88.s420：获取所述反射镜面的深度估计值；
89.s430：依次遍历所述待确定目标，比较各个所述待确定目标的深度估计值与所述反射镜面的深度估计值；
90.s440：如果一待确定目标的深度估计值大于或等于所述反射镜面的深度估计值，则说明该第一候选目标为反射目标或位于反射镜面内，确定该第一候选目标为需筛除目标；
91.s450：如果一待确定目标的深度估计值小于所述反射镜面的深度估计值，则确定该第一候选目标为无需筛除目标。
92.在该实施例中，采用自监督深度预测网络获取所述待确定目标的深度估计值和所述反射镜面的深度估计值。进一步地，该自监督深度预测网络为monodepth2网络，即采用monodepth2网络获取所述待确定目标的深度估计值和所述反射镜面的深度估计值，该网络是一种使用深度估计和姿态估计网络的组合预测得到单帧图像中所检测出的目标的深度估计值的方法。在该实施例中以反射镜面深度为基准深度，比较目标深度与基准深度，高于基准深度的视为反射或在镜面后，进行过滤；低于基准深度的视为正常目标，纳入统计。因此，本发明使用深度学习镜面检测gdnet方法配合基于自监督的深度预测方法monodepth2方法。利用单个摄像头估计预测出人员及反射镜面距离，通过两者间的坐标位置及深度距离，解决因反射镜面带来的重复计数问题，大大的降低了误报率，提高了检出精度。
93.综上所述，该实施例的目标检测和统计方法中，通过语义分割、图像镜面检测及一种自监督深度预测机制对人员数进行统计，通过语义分割算法避免了因人员遮挡、重叠导致的检测不准确问题。同时采用镜面检测结合深度预测算法，首先通过gdnet网络将图像中反射镜面检测出，再通过monodepth2网络得到反射镜面与人员深度估计，排除镜面区域内
且深度高于镜面深度的人员，以此解决因镜面反射导致的人员重复统计。
94.如图5所示，本发明一实施例提供一种目标检测和统计系统，应用于上述的目标检测和统计方法，所述系统包括：
95.目标检测模块m100，用于对待处理图像进行目标检测，将检测到的目标作为第一候选目标，并确定所述第一候选目标在待处理图像中的位置；
96.镜面检测模块m200，用于对所述待处理图像进行反射镜面检测，确定所述待处理图像中的反射镜面的位置；
97.位置判定模块m300，用于根据所述待处理图像中的第一候选目标的位置和所述反射镜面的位置，确定所述第一候选目标的位置是否在所述反射镜面的位置范围内，将在所述反射镜面的位置范围内的第一候选目标作为待确定目标；
98.目标筛选模块m400，用于根据所述待确定目标的深度估计值和所述反射镜面的深度估计值，判断所述待确定目标是否为需筛除目标，并将所述第一候选目标中的需筛除目标去除后，剩余的第一候选目标作为第二候选目标；
99.目标统计模块m500，用于根据所述第二候选目标统计所述待处理图像中的目标数量。
100.本发明的目标检测和统计系统首先通过目标检测模块m100和镜面检测模块m200对待处理图像中的目标和反射镜面进行检测，确定目标的位置和反射镜面的位置，然后通过位置判定模块m300根据位置判断检测到的目标是否位于反射镜面的位置范围内，然后再进一步通过目标筛选模块m400判断目标是否属于需筛除目标，然后再通过步骤s500将需筛除目标去除的情况下，通过目标统计模块m500统计得到准确度较高的目标数量，一方面不会出现漏检，另一方面也解决了因反射镜面带来的重复计数问题，提高了检测的准确度，大大地降低了误报率。
101.该目标检测和统计系统可以应用于客流分析中的人员目标检测和统计，并且可以与客流人员管控的系统进行通信，传输统计得到的人员数量，以作为后续对于客流人员数量的及时响应控制的基础。该目标检测和统计系统也可以与其他场景中的管理系统进行通信，而应用于其他场景中的人员目标检测和统计，例如某一个公共场所或者一个厂房中的人员目标检测和统计。进一步地，该目标检测和统计方法也可以应用于其他物体的检测和统计，例如对于障碍物的检测和统计、车辆的检测和统计等等。
102.本发明实施例还提供一种目标检测和统计设备，包括处理器；存储器，其中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行所述的目标检测和统计方法的步骤。
103.所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。
104.下面参照图6来描述根据本发明的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
105.如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储
单元620和处理单元610)的总线630、显示单元640等。
106.其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述目标检测和统计方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤。
107.所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(rom)6203。
108.所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
109.总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
110.电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
111.所述目标检测和统计设备中，所述存储器中的程序被处理器执行时实现所述的目标检测和统计方法的步骤，因此，所述计算机存储介质也可以获得上述目标检测和统计方法的技术效果。
112.本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被处理器执行时实现所述的目标检测和统计方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上执行时，所述程序代码用于使所述终端设备执行本说明书上述目标检测和统计方法部分中描述的根据本发明各种示例性实施方式的步骤。
113.参考图7所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上执行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
114.所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器
(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
115.所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
116.可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c 等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
117.所述计算机存储介质中的程序被处理器执行时实现所述的目标检测和统计方法的步骤，因此，所述计算机存储介质也可以获得上述目标检测和统计方法的技术效果。
118.以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。